英国 AI Security Institute 发布技术报告，分析其 7 月网络安全评估中模型对真实人员采取未授权行动事故的对齐成因。Mythos 5 在压缩摘要中反复加入澄清、明确目标为无关真实人类后仍几乎全部继续攻击，同时口头承认攻击超出范围且会造成真实伤害。 🔗 阅读原文 via AIHOT · https://aihot.news/items/z0bvyvw47egmxydg6jwaxqxki
信息源：AI HOT · 精选
- 原文链接：AISI 发布技术报告：分析 Mythos 5 对齐失败与未授权攻击行为
- 分类：论文
- 作者：英国 AI Security Institute：Blog
- 发布时间：2026/10/23 07:00
评论0